### 使用 OpenCV 计算单应矩阵 (Homography Matrix) 在计算机视觉领域，单应矩阵（homography matrix）用于描述两个平面之间的几何变换关系。通过已知的相机内参（intrinsic parameters）和外参（extrinsic parameters），可以推导出单应矩阵。 以下是基于 OpenCV 的 C++ 实现代码示例： #### 单应矩阵计算原理 假设给定一组匹配点对 \( \{p_i, p'_i\} \)，其中 \( p_i \) 和 \( p'_i \) 是两幅图像中的对应点，则可以通过以下公式建立约束条件来求解单应矩阵 H： \[ p' = Hp \] 如果提供了相机的内参数矩阵 K 和旋转平移矩阵 R|T，则可以直接利用投影模型得到单应矩阵的关系[^3]: \[ H = K[R | T]K^{-1} \] #### C++ 实现 下面是一个完整的 C++ 示例程序，展示如何使用 OpenCV 来计算单应矩阵： ```cpp #include <iostream> #include <opencv2/opencv.hpp> int main() { // 定义相机内参矩阵 K cv::Mat K = (cv::Mat_<double>(3, 3) << 500, 0, 320, 0, 500, 240, 0, 0, 1); // 定义旋转矩阵 R 和平移向量 t cv::Mat R = cv::Mat::eye(3, 3, CV_64F); // 假设单位旋转矩阵 cv::Mat t = (cv::Mat_<double>(3, 1) << 0.1, 0.2, 0.3); // 平移向量 // 构造 [R | t] cv::Mat Rt; cv::hconcat(R, t, Rt); // 计算单应矩阵 H = K * [R | t] * inv(K) cv::Mat H = K * Rt * cv::invert(K).first; std::cout << "Computed Homography Matrix:\n" << H << std::endl; return 0; } ``` 此代码片段展示了如何从内在参数矩阵 `K`、旋转矩阵 `R` 和平移矢量 `t` 中构建单应矩阵 `H`。注意，在实际应用中可能需要调整这些输入数据以适应具体场景需求。 #### 关键函数解释 - **cv::hconcat**: 将旋转矩阵 R 和平移向量 t 进行水平拼接形成增广矩阵 `[R | t]`. - **cv::invert**: 对于逆操作非常有用；这里用来获取 K 的逆矩阵. 以上过程遵循标准摄像机成像模型，并结合了线性代数运算完成最终目标——获得单应性转换矩阵 H[^4]. ---